基于小波理論.docVIP

3）基于小波理论的模型（Wavelet Based Model）小波分析方法是对一组已知的交通流时间序列v0i(将原始信号视为尺度0上的信号)和选定的尺度函数ψ(t)、小波函数φ(t)及其对应的分解系数序列{an}、{bn}、重构系数序列{pn}、{qn}，进行 N 尺度的分解，得到一个基本时间序列信号vji和一组干扰信号 wji(j=1,2,…,N)，然后利用其他预测方法(如 ARMA)对分解后的近似信号、干扰信号进行预测，将分解信号及相应的预测结果利用重构算法(如Mallat 算法)得到原尺度的信号及其预测结果[18]。在小波分析中，多尺度方法对于高频扰功信号具有较强的适应能力，在强干扰作用下，该方法较之普通的时间序列方法具有更强的抗干扰能力，因此多尺度时间序列的方法更适用于短时交通流的预测。但是对信号进行二进小波分解时，每次分解都将使信号样本减少一半，进行分解后只能依据较少的样本数据来进行阶数和参数的估计，影响重构模型和预测精度。而且同时还需要利用其他时间序列方法，这本身就影响了预测精度，限制了它的应用,而且也没有考虑相邻路段的影响。 4）基于分形理论的模型(Fractal Based Model) 分形理论是描述复杂系统的一种强有力的工具。广义地，我们把形态、功能、 信息等方面具有的自相似的研究对象统称为分形，把研究分形的性质及其应用的科学称为分形理论，分形几何揭示了系统的